Punktskyer i QGIS
De senere versioner af QGIS har indeholdt utroligt mange forbedringer omkring håndtering af punktskyer, hvorfor dette selvfølgelig er et vigtigt emne at komme ind på.
Datatypen punktsky består af punkter optaget ved LIDAR/laserscanning i et 3D rum og i udgangspunktet med en x/y/z koordinater - og som regel også med en række andre attributter.
Disse supplerende attributter kan eksempelvis være:
Klassifikation - punktet klassificeres efter hvor det ligger. Eksempler på klasser i en klassifikation er:
Terræn (ground)
Lav/mellem/høj vegetation (low/medium/high vegetation)
Bygning (building)
Støj - høj og lav (noise - high and low)
Vand (water)
Bro (bridge)
RGB-værdi - hvis denne attribut er til stede, kan punktskyen anvendes som alternativ til et luftfoto.
Adgang til punktskydata
Hvordan får man fat i punktskydata? Det afhænger lidt af det formål, som data skal bruges til.
Har du behov for detaljerede data over et overskueligt område og med mulighed for at stille egne krav til opløsning, omfang etc, så kan du entrere med et stærkt stigende antal landinspektørfirmaer og andre droneoperatører, som tilbyder sådanne services.
Kan du klare dig med mere generelle data, så stiller Dataforsyningen landsdækkende punktskyer til rådighed i 1 x 1 km blokke. Disse blokke downloades i samlede klumper på 10 x 10 blokke, altså dækkende et område på 100 km2. Se mere her: https://dataforsyningen.dk/data/3931.
Ovenstående eksempel på punktskydata er netop en sådan 1x1 km blok fra Dataforsyningen for et område i det sydlige Silkeborg. Disse 1x1 km blokke indeholder typisk 20-30 millioner punkter med x/y/z koordinater, RGB-værdier og klassifikation.
Håndtering af punktskyer i QGIS
Vi har i ovenstående allerede stiftet bekendtskab med 2 forskellige visualiseringer af punktskyer i QGIS:
Efter klassifikation
Efter RGB-værdi
Når man indlæser en punktsky i QGIS (for øvrigt efter lignende opskrift som de fleste andre datatyper) via f.eks. Data Source Manager, hvor man selvfølgelig vælger datatypen 'Point Cloud'/'Punktsky', vil den som standard kun blive vist med en rød stiplet ramme, det såkaldte 'Extent' af punktskyen.
Den fjerde og sidste visualiseringsmulighed er 'Attribute by ramp'. Her vælger man en given attribut og anvender så en farveskala (color ramp) til at visualisere denne efter. Med denne visualisering vil man ofte vælge at visualisere efter værdien af Z attributten, hvorved man får en slags højdemodel - vælg at mærke på overfladen, da punktskyen jo indeholder bygninger, vegetation m.v.
Punktsky til højdemodel
Som nævnt ovenfor kan en punktsky visualiseres, så den nærmest optræder som en højdemodel. De fleste højdemodeller i vore dage genereres da også ud fra punktskyer, som igen er resultatet af en LIDAR-scanning.
QGIS indeholder da også funktionalitet, som kan anvendes til at omregne en 3D punktsky til en 2D raster højdemodel.
I processing toolbox'en under 'Point Cloud Conversion' findes funktionen 'Export to raster' i 2 udgaver uden triangulering og med triangulering. Det er én af disse to, du skal anvende for at konvertere din punktsky til en terrænmodel. Men hvad er forskellen og hvornår bruger man hvad?
Uden triangulering:
Proces: Uden triangulering genereres rasteren direkte fra punktskyen ved at interpolere værdier fra de nærmeste punkter inden for en defineret celle (pixel i dit raster).
Resultat:
Cellerne udfyldes baseret på de punktdata, der falder inden for hver celle. Hvis der findes flere punkter inden for en celle, beregnes værdien som gennemsnittet af disse.
Celler uden punkter kan resultere i "NoData"-værdier, hvilket fører til huller i rasteren.
Hvornår bruges denne metode: Denne metode er generelt hurtigere og er nyttig, når punktskyen er tæt nok til, at de fleste celler indeholder flere punkter, hvilket reducerer sandsynligheden for huller.
Med triangulering:
Proces: Ved brug af triangulering anvender QGIS en Delaunay-triangulering på punktdatae, før de konverteres til raster.
Resultat:
Trianguleringsprocessen skaber et netværk af trekanter fra punkterne, og rasteren genereres derefter ved at interpolere værdier fra disse trekanter.
Denne metode udfylder huller mere effektivt ved at bruge det triangulerede netværk til at estimere værdier i områder, hvor punkterne er spredte eller mangler.
Resultatet er en glattere og mere kontinuerlig overflade, som er særligt nyttig til at generere højdemodeller eller andre kontinuerlige overflader fra punktskyddata.
Hvornår bruges denne metode: Triangulering er fordelagtig, når man arbejder med spredte punktskyer eller når man har brug for at skabe en mere kontinuerlig overflade, som fx i topografisk modellering.
Sammenfatning:
Uden triangulering: Hurtigere, tildeler direkte værdier fra punkter til rasterceller, potentielt med huller.
Med triangulering: Langsommere, bruger triangulering til at skabe en kontinuerlig overflade, fylder huller og udglatter rasteren.
Valget mellem de to afhænger af tæthed af din punktsky og det ønskede resultat af rasteren. Hvis du har brug for en glat og kontinuerlig overflade og arbejder med en spredt punktsky, er triangulering typisk det bedste valg. Med begge metoder er det muligt at filtrere, hvilke punkter man vil medtage f.eks. baseret på deres klassifikation.
Derfor kan man - selvom en punktsky er en overflademodel - beregne en terrænmodel ved kun at medtage punkter, som har klassifikationen 'Terræn' ('Ground'). I så fald anbefales det at anvende eksport med triangulering, da der ellers er forhøjet risiko for huller i terrænmodellen.
Last updated